以下内容均以样本编号为Co33-V-2-10、样本名称为沥青铀矿的样本来进行说明。
2.2.1 反射率光谱数据的校验
为了确保获得精确可靠的光谱数据，通常对每一测量样本要获取5～6次采样数据，再取其平均值作为该测量样本的光谱数据。这组数据中有时会出现个别离散现象，采用均方差检验方法将它剔除，并使它不参加平均值计算。以同一样本的一组原始光谱数据(5或6条光谱曲线)作为输入，以光谱数据的平均值作为输出(图2-2-1)。
图2-2-1 地面实测光谱数据库反射率光谱曲线的校验
2.2.2 反射率光谱曲线的光滑
实测的光谱数据往往包含3种误差：①由于光谱仪是由三个不同光谱范围的探头组成，它们之间会出 ...... （共1484字） [阅读本文]>>
智能算法在高光谱遥感数据处理中的应用前面讨论的所有方法都是全局性的，在某种意义上，像素是被基于整幅图像灰度满意度的变换函数所修改的。这些全局方法适用于整个图像的增强，但有时对图像小区域细节的局部增强显得额外重要。在这些区域中，全局变换得
智能算法在高光谱遥感数据处理中的应用二阶微分滤波器的主要目的是突出图像中的细节或者增强被模糊了的细节，而这种错误不是由操作造成的，就是受到特殊图像获取方法的固有影响。可以应用数学微分中的某些性质来实现图像的锐化或模糊效果。数学函数的微分
智能算法在高光谱遥感数据处理中的应用图像融合来源于信息融合领域，它是信息融合领域的一个非常重要的组成部分，它可以把几个或者多个传感器上所获得的关于某个场景的信息(或图像)通过一定的方法进行综合，得到了一个关于这个场景新的解释，它能够解决
.jpg)
智能算法在高光谱遥感数据处理中的应用矿物识别，即如何根据获取的遥感信息对地物目标的物理属性进行识别，是高光谱遥感技术研究的重要内容，也是高光谱最能发挥作用的领域。由于多光谱数据所能提供的信息量不能满足我们的需求，因而出现了能提供大量丰富
.jpg)
智能算法在高光谱遥感数据处理中的应用高光谱物谱建模就是对蚀变矿物含量与光谱吸收特征参数进行相关分析，建立蚀变矿物含量与光谱吸收特征深度、面积等参数之间的物谱关联模型，从而可以根据光谱数据预测矿物成分的含量。目前，常用的物谱关联建模技术主
上一篇